O debate sobre inteligência artificial ainda gira obsessivamente em torno de modelos, parâmetros e chips. Mas o gargalo real que vai determinar quem lidera essa corrida não é computacional — é físico. Treinar um modelo da escala do GPT-4 consome algo entre 50 e 100 gigawatts-hora de eletricidade, o equivalente ao consumo anual de dezenas de milhares de residências. Fazer inferência em escala, servindo bilhões de consultas diárias, multiplica esse número por ordens de grandeza. A pergunta estratégica não é quem tem os melhores algoritmos. É quem tem acesso a energia barata, abundante e confiável — e por quanto tempo.
O custo elétrico que os roadmaps ignoram
Treinar modelos de fronteira é uma operação discreta: acontece uma vez, dura semanas ou meses, e o custo energético, embora alto, é previsível. O problema real é a inferência contínua. Cada vez que um usuário envia uma mensagem para um assistente de IA, processa um documento ou gera uma imagem, acontece um ciclo de computação que consome energia. Multiplique isso por centenas de milhões de usuários simultâneos e você tem uma demanda elétrica que rivaliza com setores industriais inteiros.
A Microsoft projetou que seus compromissos de IA vão triplicar o consumo energético de seus data centers até o final desta década. A OpenAI, em parceria com a SoftBank no projeto Stargate, anunciou investimentos de 500 bilhões de dólares em infraestrutura americana — e boa parte desse valor é diretamente sobre geração e transmissão de energia. O Goldman Sachs estimou que a demanda global de data centers deve crescer 160% até 2030, impulsionada principalmente por cargas de IA. Esses não são números de tecnologia. São números de infraestrutura pesada.
O mapa geopolítico que se redesenha
A distribuição de energia barata e limpa no planeta não é uniforme, e isso está criando vantagens estruturais que poucos estrategistas estão mapeando com seriedade. Os países nórdicos — Islândia, Noruega, Suécia — combinam energia geotérmica e hidrelétrica abundante com clima frio, que reduz os custos de resfriamento dos data centers. A França opera 70% de sua matriz com energia nuclear, o que garante preços estáveis e emissões baixas. O Canadá tem hidrelétricas imensas concentradas nas províncias de Quebec e British Columbia. Todos esses países possuem hoje uma vantagem de infraestrutura que não pode ser replicada rapidamente por concorrentes.
Do lado oposto, países fortemente dependentes de combustíveis fósseis importados enfrentam um duplo problema: custo elevado e instabilidade de fornecimento. Construir data centers de IA em regiões onde a eletricidade é cara ou sujeita a interrupções não é apenas ineficiente — é estrategicamente arriscado. A geopolítica da energia sempre moldou a geopolítica do poder. O que mudou é que agora ela também molda a geopolítica da inteligência.
O renascimento nuclear e o que ele revela
A decisão da Microsoft de reativar a usina de Three Mile Island, na Pensilvânia, fechada desde 2019, não foi nostalgia. Foi cálculo de engenharia. A usina vai fornecer energia exclusivamente para os data centers da Microsoft sob um contrato de longo prazo. A Amazon fez movimento semelhante ao adquirir um campus de data centers diretamente conectado a uma usina nuclear na Pensilvânia. O Google anunciou contratos com a empresa de reatores modulares Kairos Power para fornecer 500 megawatts a partir de 2030.
O que essas decisões revelam é simples: as grandes empresas de tecnologia não acreditam que solar e eólica, na configuração atual, sejam capazes de entregar a carga base confiável que a IA exige. Energia solar e eólica têm intermitência — o sol não brilha à noite e o vento não sopra sempre. Data centers de IA exigem uptime de 99,9999%, sem interrupções. Nuclear entrega exatamente isso: alta densidade de geração, previsibilidade, e zero emissões de carbono. O que parecia uma tecnologia em declínio virou subitamente um ativo estratégico de primeira ordem.
A posição brasileira: vantagem real com concentração problemática
O Brasil opera com uma das matrizes elétricas mais limpas do mundo. Aproximadamente 85% da geração elétrica nacional vem de fontes renováveis — hidrelétricas, eólica e solar. Isso coloca o país em posição privilegiada em qualquer cenário onde o custo ambiental da computação se torne fator de competitividade, seja por regulação europeia, seja por pressão de clientes corporativos com metas de ESG. Um data center operando com energia 100% renovável no Brasil não é marketing verde — é uma proposição comercial diferenciada.
A expansão eólica do Nordeste e solar do Cerrado adicionou nos últimos anos capacidade significativa a preços que figuram entre os mais competitivos do mundo em leilões de energia. O custo médio de energia eólica contratada no Brasil está consistentemente abaixo de R$ 150 por megawatt-hora, número que a maioria dos mercados europeus não consegue aproximar. A vantagem existe. O problema é a concentração: o corredor de data centers do país se concentra desproporcionalmente no eixo São Paulo-Rio, uma região que depende de uma malha de transmissão antiga e de reservatórios que sofrem com variações climáticas. A vantagem estrutural da matriz limpa fica parcialmente neutralizada pela geografia do consumo concentrado.
O que isso muda para quem decide sobre infraestrutura de IA
Organizações que ainda tratam seleção de região de nuvem como uma decisão técnica secundária — latência, conformidade regulatória, disponibilidade de serviços — precisam ampliar o quadro analítico. Energia está entrando na equação de custo total de operação de maneira que não tem precedente histórico na computação em nuvem. AWS, Azure e Google Cloud já diferenciam preços entre regiões em parte por causa dos custos de energia local. Essa diferença vai aumentar, não diminuir.
Para empresas com operações de IA em escala — seja inferência própria, seja uso intensivo de APIs — a localização dos workloads virou uma alavanca de custo relevante. Rodar inferência em regiões com energia mais barata e limpa reduz custo operacional e exposição regulatória. Empresas que estão construindo infraestrutura própria precisam incluir no processo de seleção de localização as seguintes dimensões: mix de geração elétrica da região, estabilidade da rede, custo de energia projetado para cinco e dez anos, e disponibilidade de acordos de compra de energia renovável de longo prazo. Essas não são variáveis secundárias. Para quem vai operar data centers por décadas, são variáveis primárias.
O Brasil tem uma oportunidade concreta de se posicionar como destino de data centers de IA para empresas latino-americanas e globais que precisam de energia barata e renovável. Mas isso requer investimento em transmissão para descentralizar o consumo, e política industrial que incentive data centers fora do eixo Sul-Sudeste. A vantagem existe no papel. Transformá-la em vantagem real exige decisão política e infraestrutura — dois recursos que, historicamente, o país demora mais para mobilizar do que deveria.
Leia também
- A crise de energia da IA: o que o consumo dos data centers significa para quem decide sobre infraestrutura
- Energia e soberania da IA: o que governos precisam planejar agora
- Energia: O Gargalo Que Ninguém Colocou no Roadmap da Computação
- Data centers sustentáveis: o custo ambiental que virou pauta pública
- Eletrificação: o que muda quando tudo começa a rodar na tomada
- Geopolítica do silício: por que a guerra de chips importa para quem decide sobre tecnologia